Les données sont chargées à partir d’HUB’EAU, un service Eau France. Le package “hubeau” interroge les APIs du système d’informations.
library(hubeau)
library(tidyverse)
library(sf)
library(DT)
library(cowplot)
library(DT)
library(httr)#utiliser POST pour calcul i2m2 à partir du SEEE
library(trend)
library(ggrepel)
library(mapview)
library(lubridate)
library(httr)
library(ggplot2)
library(dplyr)
functions <- list.files(path = "R",
pattern = ".R$",
full.names = TRUE)
map(.x = functions,
.f = source)
## list()
Dans un premier temps, la distributions des variables a été étudiée. Cela a permis de repérer les outliers, les erreurs de rentrée et de les supprimées
La visualisation de la disponibilité des données nous a aidé à fixer un seuil à partir du quel on ne retient pas les stations. Ici, les stations de prélèvement biologiques sont retenues si le nombre d’années de prélèvement est supérieur à 5.
## [1] 112
Analyse univariée des variables
## $x
## [1] "Année"
##
## $y
## [1] "Variance"
##
## $title
## [1] "Variance de l'indice et ses métriques au fil des années"
##
## attr(,"class")
## [1] "labels"
## $x
## [1] "Année"
##
## $y
## [1] "Variance"
##
## $title
## [1] "Variance des indices au fil des années"
##
## attr(,"class")
## [1] "labels"
## $x
## [1] "Année"
##
## $y
## [1] "Variance"
##
## $title
## [1] "Variance des paramètres physico-chimiques au fil des années"
##
## attr(,"class")
## [1] "labels"
Tendances des indices et métriques.
On s’est intéressé aux classes d’état des indices I2M2 et IBD par station au cours du temps. On y observe un gradient ouest-est.